選自Medium

作者：David Venturi

機(jī)器之心編譯

本文作者 David Venturi 是技術(shù)博客 freeCodeCamp 的知名主筆之一,。

一年半前,，我退出了加拿大最好的計(jì)算機(jī)科學(xué)專業(yè)。之后我通過(guò)線上學(xué)習(xí)資源開始了自己的數(shù)據(jù)科學(xué)碩士學(xué)位項(xiàng)目,。我意識(shí)到能通過(guò) edX,、Coursera 和 Udacity 學(xué)到所需要的一切，而且能學(xué)得更快更高效,，開銷也更少,。

現(xiàn)在我的學(xué)習(xí)就快完成了。我已經(jīng)學(xué)習(xí)了很多數(shù)據(jù)科學(xué)相關(guān)課程,，并部分旁聽了很多其他課程,。我知道現(xiàn)在有很多機(jī)會(huì)，也知道成為數(shù)據(jù)分析師或數(shù)據(jù)科學(xué)家所需的技能,。因此我著手創(chuàng)建了一份指南,，推薦了數(shù)據(jù)科學(xué)每個(gè)學(xué)科中的最佳課程。

在這個(gè)系列的第一條指南中,，我為數(shù)據(jù)科學(xué)初學(xué)者們推薦了一些編程課,。接著是統(tǒng)計(jì)學(xué)和概率論課程。然后是數(shù)據(jù)科學(xué)引介,，還有數(shù)據(jù)可視化的學(xué)習(xí),。

現(xiàn)在到了機(jī)器學(xué)習(xí)環(huán)節(jié)

為了寫這份指南,，我花了十幾個(gè)小時(shí)確認(rèn) 2017 年 5 月之前所有上線的機(jī)器學(xué)習(xí)課程，從他們的教學(xué)大綱和預(yù)覽中提取關(guān)鍵信息,，收集課程評(píng)分,。

為了完成這項(xiàng)任務(wù)，我求助于開源課程中心（Class Central）的社區(qū)論壇,，翻閱了它包含成千上萬(wàn)課程排名和評(píng)價(jià)的數(shù)據(jù)庫(kù),。

Class Central的主頁(yè)

從2011年起,，Class Central 的創(chuàng)始人 Dhawal Shah 就開始密切關(guān)注線上學(xué)習(xí)課程,，比所有人都要早。Dhawal 本人也曾親自幫助我整理資源清單,。

課程挑選標(biāo)準(zhǔn)

每門課程必須滿足以下三個(gè)標(biāo)準(zhǔn)：

• 它必須包括很大一部分機(jī)器學(xué)習(xí)的內(nèi)容,。如果機(jī)器學(xué)習(xí)是第一主題就更理想了。請(qǐng)注意：僅針對(duì)深度學(xué)習(xí)的課程被排除在外了,。后面再解釋原因,。

• 按需或每幾個(gè)月就開設(shè)課程。

• 它必須是一個(gè)互動(dòng)的在線課程,，所以沒(méi)有書或者不是僅僅閱讀就可以了,。雖然學(xué)習(xí)的方式有很多種，但這份指南關(guān)注的是課程,。那些僅僅有視頻（即沒(méi)有問(wèn)答題,，課后作業(yè)等內(nèi)容）的課程也被排除了。

我們相信已經(jīng)收集了所有滿足以上條件且值得注意的課程,。因?yàn)?Udemy 上差不多有幾百個(gè)課程,，我們選擇只考慮那些觀看最多和評(píng)分最高的課程。

當(dāng)然本文很可能也有遺漏,。所以如果你發(fā)現(xiàn)了一門好課程,，請(qǐng)?jiān)谠u(píng)論區(qū)留言。

課程評(píng)分標(biāo)準(zhǔn)

我們根據(jù)以下三個(gè)因素對(duì)課程大綱做出了主觀判定：

• 對(duì)機(jī)器學(xué)習(xí)工作流的解釋,。此課程是否概述了運(yùn)行一次成功的機(jī)器學(xué)習(xí)程序的必須步驟,？下一部分解釋了一個(gè)典型工作流所包含的內(nèi)容。

• 涵蓋機(jī)器學(xué)習(xí)技術(shù)和算法,。課程是否涵蓋了很多種技術(shù)（如回歸,，分類，聚類等）和算法（如分類中的：樸素貝葉斯,，決策樹,，支持向量機(jī)等），或是只有少數(shù)幾個(gè)？我們更傾向于涵蓋更多而又不會(huì)省略太多細(xì)節(jié)的課程,。

• 常見的數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)工具的使用,。課程是否教授了主流編程語(yǔ)言的使用，如Python, R語(yǔ)言,，或 Scala ,？還有這些語(yǔ)言中的主流庫(kù)？這些內(nèi)容并不是必要的,，但卻有幫助，因此這樣的課程會(huì)得到略微的青睞,。

什么是機(jī)器學(xué)習(xí),？工作流又是什么？

Arthur Samuel 1959 年的定義被公認(rèn)為最早的：機(jī)器學(xué)習(xí)是計(jì)算機(jī)科學(xué)的分支領(lǐng)域,，它能使「電腦無(wú)需明確的編程就能獲得學(xué)習(xí)能力,。」在實(shí)踐中,，這意味著開發(fā)能根據(jù)數(shù)據(jù)作出預(yù)測(cè)的計(jì)算機(jī)程序,。正如人類能從經(jīng)驗(yàn)中學(xué)習(xí)一樣，計(jì)算機(jī)也可以,，對(duì)它們來(lái)說(shuō)數(shù)據(jù)就等同于經(jīng)驗(yàn),。

機(jī)器學(xué)習(xí)工作流是指執(zhí)行一個(gè)機(jī)器學(xué)習(xí)程序所需的流程。雖說(shuō)每個(gè)程序都有區(qū)別,，大多數(shù)工作流都包括一些共同的任務(wù)：?jiǎn)栴}評(píng)估,，數(shù)據(jù)探索，數(shù)據(jù)處理,，模型訓(xùn)練/測(cè)試/部署,，等等。下面的圖例展示了這些步驟的可視化解釋：

理想的課程介紹了整個(gè)過(guò)程,，并提通過(guò)交互性實(shí)例，任務(wù)或問(wèn)答讓學(xué)生親自去實(shí)踐每一項(xiàng)任務(wù),。

這些課程涵蓋了深度學(xué)習(xí)嗎,？

首先，讓我們定義一下深度學(xué)習(xí),。這里有一個(gè)簡(jiǎn)明的描述：

深度學(xué)習(xí)是機(jī)器學(xué)習(xí)的一個(gè)分支,，其核心是一種受人腦結(jié)構(gòu)和功能啟發(fā)的算法,，叫做人工神經(jīng)網(wǎng)絡(luò),。——Jason Brownlee,，來(lái)自 Machine Learning Mastery

可以想見，某些機(jī)器學(xué)習(xí)課程包含了深度學(xué)習(xí)的部分,。然而我選擇剔除那些僅有深度學(xué)習(xí)的課程。如果你對(duì)深度學(xué)習(xí)特別感興趣,，我們推薦你看考以下的文章：

• 12個(gè)免費(fèi)在線課程讓你深入深度學(xué)習(xí)（/4SIA2b）

這個(gè)清單中,，我們最推薦的三個(gè)課程如下：

• 用TensotFlow 進(jìn)行深度學(xué)習(xí)的創(chuàng)意應(yīng)用（Creative Applications of Deep Learning with TensorFlow）,，授課：Kadenze。地址：/RphGWV

• 機(jī)器學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)（Neural Networks for Machine Learning）,，由多倫多大學(xué)的 Geoffrey Hinton 授課,，發(fā)布于 Coursera,。地址：/ij93jR

• 深度學(xué)習(xí) AZ：動(dòng)手實(shí)踐人工神經(jīng)網(wǎng)絡(luò)（Deep Learning A-Z: Hands-On Artificial Neural Networks）,，由 Kirill Eremenko, Hadelin de Ponteves ,，以及 SuperDataScience 團(tuán)隊(duì)授課,，發(fā)布于Udemy。地址：/TEzK6h

建議預(yù)備知識(shí)

下面列出了幾門課程要求學(xué)生有編程,、微積分,、線性代數(shù)和統(tǒng)計(jì)學(xué)背景,。這些預(yù)備知識(shí)要求是合理的，因?yàn)闄C(jī)器學(xué)習(xí)是一門高級(jí)學(xué)科,。

缺乏某些必須技能,？不用擔(dān)心！我們?cè)谶@篇數(shù)據(jù)科學(xué)職業(yè)指南的前兩篇文章（編程/rjXJZs,，統(tǒng)計(jì)學(xué)/KoYPc2）或許能幫助你掌握一些背景知識(shí),。幾門高評(píng)分的課程同樣提供了概略性的微積分和線性代數(shù)補(bǔ)習(xí)課，并為不太熟悉的學(xué)生突出了與機(jī)器學(xué)習(xí)最相關(guān)的部分,。

最佳機(jī)器學(xué)習(xí)課程

• 機(jī)器學(xué)習(xí)（Machine Learning），Coursera,，斯坦福大學(xué),。地址：/ZBMsNx

斯坦福大學(xué)在Coursera上的機(jī)器學(xué)習(xí)課程位列榜首，這是綜合了評(píng)分,，評(píng)價(jià)和教學(xué)大綱契合度以后的結(jié)果,。由吳恩達(dá)授課，他是谷歌大腦創(chuàng)始人和前百度首席科學(xué)家,。這門課程也激發(fā)了 Coursera 的創(chuàng)立,。有著 422 條評(píng)論，它得到了 4.7 星的加權(quán)平均得分,。

該課程于 2011 年上線，涵蓋了機(jī)器學(xué)習(xí)工作流的所有方面,。雖然授課范圍比原始的斯坦福課程要窄一些,，但仍舊包含了很多的技術(shù)和算法。預(yù)估的學(xué)習(xí)時(shí)間為 11 周,，有兩周時(shí)間專攻神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)上,。有免費(fèi)和付費(fèi)兩種途徑。

吳恩達(dá)是一位有活力十足又溫和的導(dǎo)師,，有著豐富的經(jīng)驗(yàn),。他鼓勵(lì)學(xué)習(xí)者的信心，尤其是在對(duì)常見的陷阱提出實(shí)踐性實(shí)施建議時(shí),。這門課程并沒(méi)有涉及太多深入的數(shù)學(xué)問(wèn)題,，不論有沒(méi)有技術(shù)背景，觀看者都能享受到學(xué)習(xí)的過(guò)程,。同時(shí)也有線性代數(shù)補(bǔ)習(xí)課,，吳恩達(dá)還重點(diǎn)強(qiáng)調(diào)了微積分里與機(jī)器學(xué)習(xí)最相關(guān)的知識(shí)。

經(jīng)過(guò)一次次的課后選擇思考題和項(xiàng)目作業(yè),，學(xué)生會(huì)自然而然的取得進(jìn)步,。這些作業(yè)（這門課里有 8 個(gè)）可以在 MATLAB 或 Octave 上完成,，后者其實(shí)是 MATLAB 的開源版。對(duì)于課程選用的語(yǔ)言,，吳恩達(dá)這樣解釋道：

過(guò)去,，我試圖用很多不同的編程語(yǔ)言去教授機(jī)器學(xué)習(xí)課程，包括 C , Java, Python, NumPy, 以及 Octave 等,。經(jīng)過(guò)將近十年的機(jī)器學(xué)習(xí)教學(xué),，我發(fā)現(xiàn)如果用 Octave 作為編程環(huán)境你會(huì)學(xué)起來(lái)會(huì)快很多。

雖然在 2017 年,， Python 和 R 語(yǔ)言是更具吸引力的選擇,，因?yàn)檫@兩門語(yǔ)言越來(lái)越流行，但評(píng)論者們認(rèn)為這并不能阻止你學(xué)習(xí)這門課程,。

幾個(gè)有名的評(píng)論者認(rèn)為：

憑借其在 MOOC 領(lǐng)域經(jīng)久不衰的名聲,，斯坦福的機(jī)器學(xué)習(xí)課程真的是對(duì)這個(gè)主題最權(quán)威的介紹。這門課程廣泛的所有涵蓋了機(jī)器學(xué)習(xí)的重要領(lǐng)域,。...吳恩達(dá)教授用一個(gè)調(diào)動(dòng)積極性的討論和實(shí)例引出每一個(gè)章節(jié),。

他是一位極具天賦的教師，能用非常直觀和清楚的方式解釋復(fù)雜問(wèn)題,，包括所有概念背后的數(shù)學(xué)原理,。非常推薦。

我認(rèn)為這門課程的唯一問(wèn)題在于它給其他課程劃定了過(guò)高的標(biāo)準(zhǔn),。

一門天才教授講授的新常青藤大學(xué)課程

• 機(jī)器學(xué)習(xí)（Machine Learning，edX,，哥倫比亞大學(xué)）,。地址：/lzIYRu

哥倫比亞大學(xué)的機(jī)器學(xué)習(xí)課程相對(duì)較新，同時(shí)也是他們?cè)?edX 上的 MicroMasters 學(xué)位的一部分,。雖然上線時(shí)間短,，還沒(méi)有很多評(píng)價(jià)，但它現(xiàn)有的評(píng)價(jià)都異常高,。John Paisley 教授被稱作是極具天賦,，清晰和聰明的。在 10 條評(píng)價(jià)中有著 4.8 星的加權(quán)平均得分,。

這門課程也涵蓋了機(jī)器學(xué)習(xí)工作流的所有方面,，而且比上面的斯坦福課程介紹的算法更多。哥倫比亞的這門是更高階的課程,，評(píng)論者們認(rèn)為具備了推薦的先修知識(shí)（微積分,、線性代數(shù)、統(tǒng)計(jì)學(xué),、概率論和編程）就不會(huì)感到吃力,。

課程通過(guò)練習(xí)題,，項(xiàng)目作業(yè)和一個(gè)最終考試的模式幫助學(xué)生取得進(jìn)步。學(xué)生能使用 Python,、Octave 或 MATLAB 完成任務(wù),。課程的總計(jì)預(yù)估時(shí)間是 12 周，每周 8 到 10 個(gè)小時(shí),。課程免費(fèi),，也提供認(rèn)證證書的購(gòu)買。

下面是一些之前提到的精彩評(píng)論：

在我多年的學(xué)生生涯中,，我遇到過(guò)沒(méi)有天賦的教授,，有天賦但不知道如何清楚講授知識(shí)的教授，以及又有天賦又能把知識(shí)講清楚的教授,。Paisley 博士就是我說(shuō)的第三種,。這是一門非常棒的課程。

導(dǎo)師的語(yǔ)言非常明確,，對(duì)我來(lái)說(shuō)這是此課程最棒的地方之一,。講授課程的質(zhì)量很高，課件也很棒,。

Paisley 博士和他的導(dǎo)師就是…….邁克爾·喬丹的學(xué)生,，是機(jī)器學(xué)習(xí)之父。（Paisley 博士）是哥倫比亞大學(xué)最棒的機(jī)器學(xué)習(xí)教授,，因?yàn)樗馨褨|西講的非常清晰,。這個(gè)學(xué)期多大 240 個(gè)學(xué)生選擇了這門課程，是哥倫比亞大學(xué)里教授機(jī)器學(xué)習(xí)的老師中最多的,。

來(lái)自行業(yè)專家的 Python 和 R 語(yǔ)言實(shí)踐課程

• 機(jī)器學(xué)習(xí) AZ（Machine Learning A-Z）：動(dòng)手實(shí)踐 Python 和 R 語(yǔ)言數(shù)據(jù)科學(xué)（由 Kirill Eremenko, Hadelin de Ponteves 和 SuperDataScience 團(tuán)隊(duì)教授,，發(fā)布于 Udemy 平臺(tái)）。地址：/dCu4lJ

Udemy平臺(tái)的機(jī)器學(xué)習(xí) AZ 是一門讓人印象深刻的精美課程,，它提供了 Python 和 R 的教學(xué),，這是罕見的,。課程有 4.5 星加權(quán)平均評(píng)級(jí)，超過(guò) 3,071 人評(píng)論,，也是評(píng)論最多的課程,。

40.5 小時(shí)的點(diǎn)播視頻涵蓋了整個(gè)機(jī)器學(xué)習(xí)工作流以及一些幾乎荒謬好笑的算法（以一種很好的方式）。該課程的教授方式更加應(yīng)用化,，和上述兩門課程相比,，數(shù)學(xué)理論要少些。每部分都是從 Eremenko 主持的「直覺(jué)」視頻開始,，這個(gè)視頻總結(jié)了講授概念的基本理論,。接下來(lái),， de Ponteves 分別在 Python 和 R 視頻中講述實(shí)現(xiàn)。作為『彩蛋』,，課程包含了供學(xué)生下載和在項(xiàng)目使用的 Python 和 R 代碼模板,。有小測(cè)驗(yàn)和家庭作業(yè)，雖然這些不是這門課程的長(zhǎng)處,。

Eremenko 和 SuperDataScience 團(tuán)隊(duì)因『使復(fù)雜簡(jiǎn)單化』的能力備受尊崇,。此外，課程所需預(yù)備知識(shí)『僅僅是一些高中數(shù)學(xué)』,，所以,，對(duì)于斯坦福大學(xué)和哥倫比亞大學(xué)課程感到吃力的人來(lái)說(shuō)，這個(gè)課程可能是一個(gè)更好的選擇,。

一些突出的點(diǎn)評(píng)：

該課程制作專業(yè),，音質(zhì)優(yōu)良，解釋清晰簡(jiǎn)明...對(duì)得起你投入的金錢和時(shí)間）,。

這很驚人,，能同時(shí)用兩種不同編程語(yǔ)言上這門課。

Kirill 絕對(duì)是 Udemy 平臺(tái)最好的講師之一（如果不是在網(wǎng)絡(luò)平臺(tái)上）,，我推薦你上他的任何課程,。這個(gè)課程信息量太大了！

競(jìng)爭(zhēng)排名

我們的NO.1 課程,，在5星評(píng)級(jí)系統(tǒng)里,，加權(quán)平均評(píng)級(jí)為4.7星，超過(guò)422條評(píng)論,。我們看看另一個(gè)替代選擇,，按降級(jí)排序。注意,，本指南中不包含深入學(xué)習(xí)課程 - 您可以在這里（https://medium./dive-into-deep-learning-with-these-23-online-courses-bf247d289cc0）找到這些課程,。

• The Analytics Edge (MIT /edX)。地址：/97TwZc

總的說(shuō)來(lái),，這門課更專注分析技術(shù),，盡管也涵蓋了幾個(gè)機(jī)器學(xué)習(xí)主題。充分利用真實(shí)世界的熟悉例子來(lái)講述 R,。這很有挑戰(zhàn)性,。每周十到十五小時(shí)，十二周以上,。提供可購(gòu)買的認(rèn)證證書,。214條評(píng)論，加權(quán)平均評(píng)級(jí)為4.9星,。

• Python數(shù)據(jù)科學(xué)與機(jī)器學(xué)習(xí)訓(xùn)練營(yíng)（Jose Portilla / Udemy）,。地址：/q4XBUz

有大量機(jī)器學(xué)習(xí)內(nèi)容,，涵蓋了整個(gè)數(shù)據(jù)科學(xué)過(guò)程。有更多關(guān)于 Python 的詳細(xì)介紹,。這門課程很吸引人,，雖然不是很符合我們這份指南的評(píng)選標(biāo)準(zhǔn)。 21.5 小時(shí)點(diǎn)播視頻,，花費(fèi)取決于 Udemy 的折扣力度,；Udemy 折扣很頻繁。3316 條評(píng)論,，4.6 星評(píng)級(jí),。

• 數(shù)據(jù)科學(xué)與帶有R的機(jī)器學(xué)習(xí)訓(xùn)練營(yíng)（Data Science and Machine Learning Bootcamp with R，Jose Portilla/Udemy),。地址：/W9upNt

對(duì)于上述 Portilla 的評(píng)論也適用于此,，除了 R. 17.5 小時(shí)點(diǎn)播視頻?；ㄙM(fèi)取決于 Udemy 的折扣力度,；Udemy 折扣很頻繁。1317 評(píng)論,，4.6 星,。

• 機(jī)器學(xué)習(xí)系列（Machine Learning Series，Lazy Programmer Inc./Udemy）,。地址：/aOIOY0

Lazy Programmer由數(shù)據(jù)科學(xué)家/大數(shù)據(jù)工程師/全棧軟件工程師教授,，他們履歷傲人，目前在Udemy,，Lazy Programmer有一系列以機(jī)器學(xué)習(xí)為重點(diǎn)的16門課程,。總共有5000多個(gè)課程,，所有的課程幾乎都有4.6星,。每門課程介紹中，都有一個(gè)課程訂購(gòu),，很實(shí)用,。用的是 Python?；ㄙM(fèi)取決于Udemy的折扣力度,；

• 機(jī)器學(xué)習(xí)（Machine Learning,，Georgia Tech/Udacity）,。地址：/qq1A7E

匯編了三門單獨(dú)的課程：監(jiān)督，無(wú)監(jiān)督和強(qiáng)化學(xué)習(xí),。一部分是Udacity的機(jī)器學(xué)習(xí)工程師 Nanodegree 和 Georgia Tech 在線碩士學(xué)位（OMS）的內(nèi)容,。視頻很小,，是 Udacity 的風(fēng)格（友好的教授、免費(fèi),、有 4.56 星加權(quán)平均評(píng)級(jí)/9 條評(píng)論）,。

• 在 Azure HDInsight 中實(shí)現(xiàn) Spark 的預(yù)測(cè)分析（Implementing Predictive Analytics with Spark in Azure HDInsight，Microsoft / edX）,。地址：/3csq6m

介紹機(jī)器學(xué)習(xí)的核心概念和各種算法,。利用幾個(gè)大型數(shù)據(jù)友好的工具，包括 Apache Spark,、Scala 和 Hadoop,。使用 Python 和 R，每周需要四小時(shí),，六周以上,。免費(fèi)提供可購(gòu)買的認(rèn)證證書。它有 4.5 個(gè)星級(jí)加權(quán)平均評(píng)分/6 條評(píng)論,。

• 數(shù)據(jù)科學(xué)與用 Python 進(jìn)行機(jī)器學(xué)習(xí)—親自動(dòng)手?。―ata Science and Machine Learning with Python — Hands On!）。地址：/TS9sWa

使用 Python,。Kane 在亞馬遜和 IMDb 有九年經(jīng)驗(yàn),。九個(gè)小時(shí)的點(diǎn)播視頻?；ㄙM(fèi)取決于 Udemy 的折扣力度,；Udemy 折扣很頻繁。它有 4.5 星加權(quán)平均評(píng)級(jí)/4139 條評(píng)論,。

• Scala和Spark的大數(shù)據(jù)和機(jī)器學(xué)習(xí)（Scala and Spark for Big Data and Machine Learning ,，Jose Portilla / Udemy）。地址：/B5X0x1

關(guān)注『大數(shù)據(jù)』,，特別是在 Scala 和 Spark 中的實(shí)現(xiàn),。十個(gè)小時(shí)的點(diǎn)播視頻?；ㄙM(fèi)取決于 Udemy 的折扣力度,；Udemy 折扣很頻繁。它有 4.5 星級(jí)加權(quán)平均評(píng)級(jí)/607 條評(píng)論,。

• 機(jī)器學(xué)習(xí)工程師的納米學(xué)位（Machine Learning Engineer Nanodegree ,，Udacity）。地址：/y16eIl

Udacity 的旗艦機(jī)器學(xué)習(xí)計(jì)劃,，有一流的項(xiàng)目審查系統(tǒng)和職業(yè)幫助,。該計(jì)劃匯編了一些免費(fèi)的單個(gè) Udacity 課程，由 Kaggle 共同創(chuàng)建。時(shí)間表估計(jì)有六個(gè)月,。目前每月需花費(fèi) $ 199美元,，在 12 個(gè)月內(nèi)畢業(yè)的學(xué)生可享受 50％ 的學(xué)費(fèi)退款。它有 4.5 星級(jí)加權(quán)平均評(píng)級(jí)/2 條評(píng)論,。

• 數(shù)據(jù)學(xué)習(xí)（入門機(jī)器學(xué)習(xí)）Learning From Data (Introductory Machine Learning) ,，California Institute of Technology/edX）。地址：/i7zLER

目前,，EDX的注冊(cè)已關(guān)閉,，但課程可通過(guò)CalTech獨(dú)立平臺(tái)獲得（見下文）。它有4.49星加權(quán)平均評(píng)級(jí)/42條評(píng)論,。

• 從數(shù)據(jù)學(xué)習(xí)（介紹機(jī)器學(xué)習(xí)）(Learning From Data (Introductory Machine Learning) ,，Yaser Abu-Mostafa / California Institute of Technology） 。地址：/Yh3Fc1

『一個(gè)真正的加州理工學(xué)院課程,，而不是注水版本』,。評(píng)論表明，它很適合理解機(jī)器學(xué)習(xí)理論,。Yaser Abu-Mostafa 教授在學(xué)生中很受歡迎,，撰寫了本課程依據(jù)的教科書。講座的錄播視頻上傳到 YouTube（附帶講座的幻燈片）,。安排的家庭作業(yè)在 PDF 文件里,。課程體驗(yàn)不如排在前三名課程。它有 4.43 星加權(quán)平均評(píng)級(jí)/7條評(píng)論,。

• 挖掘大量數(shù)據(jù)集（Mining Massive Datasets ,，Stanford University）。地址：/FrWqWq

機(jī)器學(xué)習(xí)的重點(diǎn)是『大數(shù)據(jù)』,。介紹了現(xiàn)代分布式文件系統(tǒng)和 MapReduce,。每周需十小時(shí)，七周以上,。免費(fèi),。它有4.4星加權(quán)平均評(píng)級(jí)/30個(gè)評(píng)論。

• AWS 機(jī)器學(xué)習(xí)：使用 Python 的完整指南 （AWS Machine Learning: A Complete Guide With Python ,，Chandra Lingam / Udemy）,。地址：/LxsPOh

專注基于云的機(jī)器學(xué)習(xí)，特別是 Amazon Web Services ,。用 Python,，九個(gè)小時(shí)的點(diǎn)播視頻?；ㄙM(fèi)取決于 Udemy 的折扣力度,；Udemy 折扣很頻繁。它有4.4星級(jí)加權(quán)平均評(píng)級(jí)/62條評(píng)論。

• Python 機(jī)器學(xué)習(xí)和面部檢測(cè)入門（Introduction to Machine Learning & Face Detection in Python ,，Holczer Balazs/Udemy)。地址：/cGjHb1

使用 Python,，八小時(shí)點(diǎn)播視頻,。花費(fèi)取決于 Udemy 的折扣力度,；Udemy 折扣很頻繁,。它有 4.4 星級(jí)的加權(quán)平均評(píng)級(jí)/162 條評(píng)論。

• 統(tǒng)計(jì)學(xué)習(xí)：統(tǒng)計(jì)學(xué)習(xí)（StatLearning: Statistical Learning,，Stanford University）,。地址：/gNcT3Q

基于優(yōu)秀的教科書，『統(tǒng)計(jì)學(xué)習(xí)導(dǎo)論,，R 語(yǔ)言版』（ An Introduction to Statistical Learning, with Applications in R）,，這本書的作者親自教學(xué)。評(píng)論者表示,，MOOC不如課本,，比如練習(xí)不足、視頻一般,。每周需要五小時(shí),，九周以上。免費(fèi),。它有 4.35 星加權(quán)平均評(píng)級(jí)/84 條評(píng)論,。

• 機(jī)器學(xué)習(xí)專業(yè)化（Machine Learning Specialization ，University of Washington/Coursera）,。地址：/ADXbG0

偉大的課程,，但最后兩個(gè)課程（包括頂點(diǎn)課程）被取消。評(píng)論者注意到,，與其他頂級(jí)機(jī)器學(xué)習(xí)課程（例如斯坦福大學(xué)或加州理工學(xué)院）相比,，該系列更易于消化（閱讀：沒(méi)有過(guò)硬技術(shù)背景的人更容易理解）。請(qǐng)注意,，該系列并不完整,，木有推薦系統(tǒng)、深度學(xué)習(xí)和總結(jié)部分,?？擅赓M(fèi)/付費(fèi)學(xué)習(xí)。它有 4.31 星加權(quán)平均評(píng)級(jí)/80 條評(píng)論,。

• From 0 to 1: Machine Learning, NLP & Python-Cut to the Chase ,，Loony Corn / Udemy）。地址：/PFJrao

『腳踏實(shí)地，害羞但自信地呈現(xiàn)了機(jī)器學(xué)習(xí)技術(shù)』,。由一個(gè)具有數(shù)十年行業(yè)經(jīng)驗(yàn)的四人團(tuán)隊(duì)教授,。用Python，花費(fèi)取決于Udemy的折扣力度,；Udemy折扣很頻繁,。它有4.2星加權(quán)平均評(píng)級(jí)/494條評(píng)論。

• 機(jī)器學(xué)習(xí)原理（Principles of Machine Learning ,，Microsoft / edX）,。地址：/CD1yWt

使用 R，Python 以及 Microsoft Azure 機(jī)器學(xué)習(xí),；該課程是微軟數(shù)據(jù)科學(xué)專業(yè)課程計(jì)劃的一部分,。每周需要三至四小時(shí)，六周以上,?？少?gòu)買認(rèn)證證書。它有4.09星加權(quán)平均評(píng)級(jí)/11評(píng)論,。

• 大數(shù)據(jù)：統(tǒng)計(jì)推理和機(jī)器學(xué)習(xí)（Big Data: Statistical Inference and Machine Learning ,，Queensland University of Technology/FutureLearn)。地址：/kjCs1I

一個(gè)很棒,，簡(jiǎn)短的機(jī)器學(xué)習(xí)探索課程,，重點(diǎn)是大數(shù)據(jù)。涵蓋了一些工具,，如 R,、H2O Flow和 WEKA。只需三周,，但一個(gè)點(diǎn)評(píng)指出,，每周六小時(shí)更合適?？擅赓M(fèi)/付費(fèi)學(xué)習(xí),。它有 4 星加權(quán)平均評(píng)級(jí)/4 條評(píng)論。

• 基因組數(shù)據(jù)科學(xué)與聚類（Genomic Data Science and Clustering ,，加州大學(xué)圣地亞哥分校/ Coursera）,。地址：/NveZKJ

為計(jì)算機(jī)科學(xué)與生物學(xué)交叉領(lǐng)域感興趣的人開設(shè)的課程，展示了這一交叉領(lǐng)域如何成為現(xiàn)代科學(xué)的重要前沿,。關(guān)注聚類和降維,。該課程是 UCSD 的生物信息學(xué)專業(yè)的一部分?？擅赓M(fèi)/付費(fèi)學(xué)習(xí),。它有4星加權(quán)平均評(píng)級(jí),，超過(guò)3評(píng)論。

• 機(jī)器學(xué)習(xí)簡(jiǎn)介（Intro to Machine Learning,，Udacity）,。地址：/sb58Ps

主題寬度和實(shí)踐工具（Python）優(yōu)先深度和理論。Sebastian Thrun 和 Katie Malone 導(dǎo)師讓課程很有趣,。包括短視頻和測(cè)驗(yàn),，之后是每節(jié)課都有一個(gè)小項(xiàng)目。目前是Udacity數(shù)據(jù)分析師納米學(xué)位的一部分,。需要大約十周時(shí)間,。免費(fèi),。它有3.95星加權(quán)平均評(píng)級(jí)/19評(píng)論,。

• 用于數(shù)據(jù)分析的機(jī)器學(xué)習(xí)（Machine Learning for Data Analysis，衛(wèi)斯理大學(xué)/Coursera）,。地址：/eGKpHW

簡(jiǎn)單介紹了機(jī)器學(xué)習(xí)和幾種精選算法,。包括決策樹、隨機(jī)森林,、套索回歸,、k-均值聚類。衛(wèi)斯理大學(xué)的數(shù)據(jù)分析與解釋（Data Analysis and Interpretation）專項(xiàng)課程的一部分,。預(yù)計(jì) 4 周的學(xué)習(xí)時(shí)間,。有免費(fèi)和付費(fèi)的項(xiàng)目。平均分 3.6 星 / 5 個(gè)評(píng)論,。

• 用 Python 實(shí)現(xiàn)數(shù)據(jù)科學(xué)編程（Programming with Python for Data Science,，Microsoft/edX）。地址：/Ubm97Z

由微軟及其合作伙伴 Coding Dojo 共同制作,。使用 Python 編程,。每周 8 小時(shí)，總計(jì) 6 周,。有免費(fèi)和付費(fèi)的項(xiàng)目,。平均分 3.46 星 / 37 個(gè)評(píng)論。

• 交易中的機(jī)器學(xué)習(xí)（Machine Learning for Trading,，佐治亞理工學(xué)院/Udacity）,。地址：/bfVG9i

專注于將概率機(jī)器學(xué)習(xí)方法應(yīng)用于交易決策。使用 Python 編程,。Udacity 的微學(xué)位（Machine Learning Engineer Nanodegree）和佐治亞理工學(xué)院的在線碩士學(xué)位（Online Master’s Degree/OMS）所需修讀課程的一部分,。預(yù)計(jì) 4 個(gè)月的學(xué)習(xí)時(shí)間。免費(fèi),。平均分 3.29 星 / 14 個(gè)評(píng)論,。

• 實(shí)用機(jī)器學(xué)習(xí)（Practical Machine Learning,，約翰霍普金斯大學(xué)/Coursera）。地址：https:///s0Gm3k

一些機(jī)器學(xué)習(xí)算法方面簡(jiǎn)短而實(shí)用的介紹,。幾個(gè) 1,、2 星的評(píng)分表達(dá)了種種擔(dān)憂。JHU 的數(shù)據(jù)科學(xué)（Data Science）專項(xiàng)課程的一部分,。每周 4-9小時(shí),，總計(jì) 4 周。有免費(fèi)和付費(fèi)的項(xiàng)目,。平均分 3.11 星 / 37 個(gè)評(píng)論,。

• 用于數(shù)據(jù)科學(xué)與分析的機(jī)器學(xué)習(xí)（achine Learning for Data Science and Analytics，哥倫比亞大學(xué)/edX）,。地址：https:///DTfFjn

介紹了各種機(jī)器學(xué)習(xí)專題,。一些非常負(fù)面的評(píng)分集中在內(nèi)容選擇、缺少編程作業(yè),、呈現(xiàn)形式平淡這幾個(gè)方面,。每周 7-10 小時(shí)，總計(jì) 5 周,。有免費(fèi)和付費(fèi)的項(xiàng)目,。平均分 2.74 星 / 36 個(gè)評(píng)論。

• 推薦系統(tǒng)專項(xiàng)課程（Recommender Systems Specialization,，明尼蘇達(dá)大學(xué)/Coursera）,。地址：/FLRWKe

強(qiáng)烈關(guān)注于機(jī)器學(xué)習(xí)的一個(gè)特定類型——推薦系統(tǒng)。包含 4 門課的專項(xiàng)課程以及一個(gè)頂點(diǎn)項(xiàng)目（是個(gè)案例研究）,。使用 Lenskit（推薦系統(tǒng)的一個(gè)開源工具包）教學(xué),。有免費(fèi)和付費(fèi)的項(xiàng)目。平均分 2 星 / 2 個(gè)評(píng)論,。

• 大數(shù)據(jù)機(jī)器學(xué)習(xí)（Machine Learning With Big Data,，加利福尼亞大學(xué)圣地亞哥分校/Coursera）。地址：https:///1GmpcW

評(píng)論認(rèn)為其教學(xué)與評(píng)估做得非常糟糕,。一些學(xué)生發(fā)現(xiàn)自己只花了幾個(gè)小時(shí)就完成了整個(gè)課程,。UCSD 的大數(shù)據(jù)（Big Data）專項(xiàng)課程的一部分。有免費(fèi)和付費(fèi)的項(xiàng)目,。平均分 1.86 星 / 14 個(gè)評(píng)論,。

• 實(shí)用預(yù)測(cè)分析：模型與方法，華盛頓大學(xué)/ Coursera）,。地址：https:///PvM1gP

機(jī)器學(xué)習(xí)核心概念的簡(jiǎn)介,。一位評(píng)論者指出，該課程缺乏測(cè)驗(yàn)且作業(yè)沒(méi)有挑戰(zhàn)性,。UW 的大規(guī)模數(shù)據(jù)科學(xué)（Data Science at Scale）專項(xiàng)課程的一部分,。每周 6 至 8 小時(shí),，總計(jì)4 周。有免費(fèi)和付費(fèi)的項(xiàng)目,。平均分 1.75 星 / 4 個(gè)評(píng)論,。

下列課程評(píng)論較少（截至 2017 年 5 月）

• 適于音樂(lè)家和藝術(shù)家的機(jī)器學(xué)習(xí)（Machine Learning for Musicians and Artists，倫敦大學(xué)金史密斯學(xué)院/Kadenze）,。地址：https:///EII6Kb

獨(dú)一無(wú)二的課程,。學(xué)生學(xué)習(xí)算法、軟件工具和機(jī)器學(xué)習(xí),，這些內(nèi)容是將身體語(yǔ)言,、音樂(lè)音頻等實(shí)時(shí)數(shù)據(jù)賦予意義的最佳實(shí)踐。 7 節(jié)課,。Audit 免費(fèi),，Premium 每月 10 美元。有一個(gè) 5 星評(píng)分,。

• 用 Python 編寫應(yīng)用型機(jī)器學(xué)習(xí)（Applied Machine Learning in Python,，密歇根大學(xué)/Coursera）,。地址：https:///9kAlVx

教學(xué)生使用 Python 和 scikit 來(lái)學(xué)習(xí)工具包。使用 Python 編寫應(yīng)用型數(shù)據(jù)科學(xué)（Applied Data Science with Python）專項(xiàng)課程的一部分,。課程將于 2017.5.29 開始,。有免費(fèi)和付費(fèi)的項(xiàng)目。

• 應(yīng)用型機(jī)器學(xué)習(xí)（Applied Machine Learning,，Microsoft/edX）,。地址：https:///7Xr0EJ

教學(xué)生使用各種工具，包括 Python,、R 和微軟的 Azure 機(jī)器學(xué)習(xí)（注：微軟為該課程的制作方）,。還有實(shí)操實(shí)驗(yàn)室對(duì)課程內(nèi)容進(jìn)行強(qiáng)化。每周 3-4 小時(shí),，總計(jì)6 周,。免費(fèi)，可付費(fèi)購(gòu)買結(jié)業(yè)證書,。

• 用于數(shù)據(jù)科學(xué)的機(jī)器學(xué)習(xí)（Machine Learning for Data Science,，加利福尼亞大學(xué)圣地亞哥分校/edX）。地址：https:///90oMKi

2018.1 才可注冊(cè)該課程,。編程實(shí)例和作業(yè)是用 Python 變編寫的,，使用 Jupyter筆記本。每周 8 小時(shí),，總計(jì) 10 周,。免費(fèi),，可付費(fèi)購(gòu)買結(jié)業(yè)證書。

• 分析建模導(dǎo)論（Introduction to Analytics Modeling,，佐治亞理工學(xué)院/edX）,。地址：https:///BVuwCU

主要編程工具為 R 語(yǔ)言。每周 5-10 小時(shí),，總計(jì) 10 周,。免費(fèi)，可付費(fèi)購(gòu)買結(jié)業(yè)證書,。

• 預(yù)測(cè)分析：從大數(shù)據(jù)中獲得洞見（Predictive Analytics: Gaining Insights from Big Data,，昆士蘭科技大學(xué)/FutureLearn）。地址：https:///9SCrLH

幾種算法的簡(jiǎn)介,。使用惠普的垂直分析平臺(tái)（Vertica Analytics platform）作為應(yīng)用工具,。課程開始日期待定。每周 2 小時(shí),，總計(jì) 4 周,。免費(fèi)，可付費(fèi)購(gòu)買結(jié)業(yè)證書,。

• 機(jī)器學(xué)習(xí)介紹（Introducción al Machine Learning,，西班牙電信大學(xué)/Miríada X）。地址：https:///rI8Nav

西班牙語(yǔ)教學(xué),。介紹了機(jī)器學(xué)習(xí)中的監(jiān)督和無(wú)監(jiān)督學(xué)習(xí),。總計(jì) 4 周,，合約 20 小時(shí),。

• 機(jī)器學(xué)習(xí)路徑步驟（Machine Learning Path Step ，Dataquest）,。地址：/sGWlmy

使用 Python 和 Dataquest 的交互式瀏覽器內(nèi)置平臺(tái)進(jìn)行教學(xué),。多個(gè)引導(dǎo)項(xiàng)目及一個(gè)「額外」項(xiàng)目——你可以使用自己的數(shù)據(jù)來(lái)建立自己的機(jī)器學(xué)習(xí)系統(tǒng)。需要訂閱,。

以下六個(gè)課程由 DataCamp 提供。DataCamp 充分利用了視頻和文本素材進(jìn)行混合式教學(xué),，使用瀏覽器內(nèi)置的編碼器并結(jié)合了大量實(shí)例,。訂閱方可訪問(wèn)每門課程。

• 機(jī)器學(xué)習(xí)導(dǎo)論（Introduction to Machine Learning,，DataCamp）

涵蓋了分類,、回歸和聚類算法。使用 R 語(yǔ)言,。15 個(gè)視頻和 81 個(gè)練習(xí),，預(yù)計(jì)學(xué)習(xí)時(shí)間為 6 小時(shí),。

• 使用 scikit-learn 進(jìn)行監(jiān)督學(xué)習(xí)（Supervised Learning with scikit-learn，DataCamp）

使用 Python 和 scikit-learn,。涵蓋分類和回歸算法,。17 個(gè)視頻和 54 個(gè)練習(xí)，預(yù)計(jì)學(xué)習(xí)時(shí)間為 4 小時(shí),。

• 用 R 語(yǔ)言進(jìn)行無(wú)監(jiān)督學(xué)習(xí)（Unsupervised Learning in R,，DataCamp）

提供了有關(guān)聚類和降維的一個(gè)基本介紹，R 語(yǔ)言,。16 個(gè)視頻和 49 個(gè)練習(xí),，預(yù)計(jì)學(xué)習(xí)時(shí)間為 4 小時(shí)。

• 機(jī)器學(xué)習(xí)工具包（Machine Learning Toolbox,，DataCamp）

教授機(jī)器學(xué)習(xí)中的「大膽想法」,。使用 R 語(yǔ)言。 24 個(gè)視頻和 88 個(gè)練習(xí),，預(yù)計(jì)學(xué)習(xí)時(shí)間為 4 小時(shí),。

• 與專家一起進(jìn)行機(jī)器學(xué)習(xí)：學(xué)校預(yù)算（Machine Learning with the Experts: School Budgets，DataCamp）

來(lái)自 DrivenData 上一個(gè)機(jī)器學(xué)習(xí)競(jìng)賽的案例研究,。內(nèi)容涉及建立一個(gè)模型來(lái)自動(dòng)分類學(xué)校預(yù)算項(xiàng)目,。需要先修 DataCamp 的『使用 scikit-learn 進(jìn)行監(jiān)督學(xué)習(xí)（Supervised Learning with scikit-learn）』課程。15 個(gè)視頻和 51 個(gè)練習(xí),，預(yù)計(jì)學(xué)習(xí)時(shí)間為 4 小時(shí),。

• 用 Python 進(jìn)行無(wú)監(jiān)督學(xué)習(xí)（Unsupervised Learning in Python,，DataCamp）

涵蓋了各種無(wú)監(jiān)督學(xué)習(xí)算法（Python）,、scikit-learn 和 sciPy。課程最后需要學(xué)生建立一個(gè)推薦系統(tǒng)來(lái)推薦流行音樂(lè)藝術(shù)家,。13 個(gè)視頻和 52 個(gè)練習(xí),，預(yù)計(jì)學(xué)習(xí)時(shí)間為 4 小時(shí)。

• 機(jī)器學(xué)習(xí)（Machine Learning,，Tom Mitchell/卡內(nèi)基梅隆大學(xué) CMU）。地址：https:///mQd616

卡內(nèi)基梅隆大學(xué)的研究生入門機(jī)器學(xué)習(xí)課程,。是其第二個(gè)研究生水平課程「統(tǒng)計(jì)機(jī)器學(xué)習(xí)（Statistical Machine Learning）」的先修課程,。課程內(nèi)容結(jié)合了實(shí)際問(wèn)題、家庭作業(yè)和一個(gè)在線提交的期中考試（均附答案）,。該課程還有一個(gè) 2011 年的版本,。CMU 是研究機(jī)器學(xué)習(xí)最好的研究生院校之一，并有一整棟大樓用來(lái)研究機(jī)器學(xué)習(xí),。免費(fèi),。

• 統(tǒng)計(jì)學(xué)機(jī)器學(xué)習(xí)（Statistical Machine Learning）（Larry Wasserman/卡內(nèi)基梅隆大學(xué) CMU）,。地址：https:///ibl9bH

可能是本指南中最高級(jí)的課程?？突仿〈髮W(xué)機(jī)器學(xué)習(xí)課程的后續(xù)課程,。課程內(nèi)容結(jié)合了實(shí)際問(wèn)題、家庭作業(yè)和一個(gè)在線提交的期中考試（均附答案）,。免費(fèi),。

CMU是研究機(jī)器學(xué)習(xí)最好的研究生院校之一。機(jī)器學(xué)習(xí)和統(tǒng)計(jì)學(xué)機(jī)器學(xué)習(xí)已經(jīng)上線,。免費(fèi),。

• 本科機(jī)器學(xué)習(xí)（Undergraduate Machine Learning，Nando de Freitas/不列顛哥倫比亞大學(xué)）,。地址：/lPkpBz

一門本科版的機(jī)器學(xué)習(xí)課程,。YouTube 上有該課程的視頻，其課程網(wǎng)站上有相關(guān)的幻燈片和課程作業(yè)（不過(guò)沒(méi)有答案）,。de Freitas 現(xiàn)在是牛津大學(xué)的全職教授,，各大論壇都贊揚(yáng)了他的教學(xué)能力。研究生版見下文,。

• 機(jī)器學(xué)習(xí)（Machine Learning,，Nando de Freitas/不列顛哥倫比亞大學(xué)）。地址：/KBKFA1

一門研究生版的機(jī)器學(xué)習(xí)課程,。該課程的水準(zhǔn)與 de Freitas 的本科版課程（見上文）一致,。

小結(jié)

此篇是 6 個(gè)系列中的第五章，涵蓋了助你邁入數(shù)據(jù)科學(xué)領(lǐng)域的最好的在線課程,。我們?cè)诘谝粋€(gè)系列中提到了編程,，第二個(gè)系列涉及數(shù)據(jù)和概率統(tǒng)計(jì)，第三個(gè)系列涵蓋了數(shù)據(jù)科學(xué)方面的介紹,，而第四個(gè)系列講了數(shù)據(jù)可視化,。

最后一篇文章是對(duì)這些文章的總結(jié)，外加涉及其它重點(diǎn)課題——如數(shù)據(jù)管理（data wrangling）,、數(shù)據(jù)庫(kù),，甚至軟件工程——的最好在線課程。

如果你正在尋找一個(gè)完整的數(shù)據(jù)科學(xué)在線課程列表,，你可以在 Class Central 的數(shù)據(jù)科學(xué)與大數(shù)據(jù)（Data Science and Big Data）主題頁(yè)上找到它們：

• https://www./subject/data-science